Mobile Health Applications for Depression in China: A Systematic Review
Notice bibliographique
Résumé
Mobile health (mHealth) applications (apps) have the potential to increase access to mental health care. In China, there is growing interest in mHealth apps for depression. Our objective was to systematically review research on mHealth for depression in China to identify benefits and challenges. A systematic literature search was conducted using Chinese and English databases in accordance with Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. Randomized and nonrandomized clinical studies on mHealth apps and depression in China were included. Study quality was assessed using the Cochrane Risk of Bias tool. Seven studies met the inclusion criteria with three randomized trials, two quasi-randomized trials, one clinical trial with an uncertain grouping method, and one study with a single-group design. All studies used the WeChat platform and included activities such as psychoeducation, self-management, supervised group chats, and/or remote contact with a healthcare team, in comparison to usual care. All studies reported significant and large benefits for outcomes, but the risk of bias was high. There are few rigorous evaluations of mHealth apps for depression in China, with all included studies involving WeChat programs and most using WeChat to extend nursing discharge care for inpatients with depression. While these studies showed significant improvement in health outcomes as compared to usual care, the results remain inconclusive because of the high risk of bias. mHealth holds promise for increasing access to mental health care in China, but issues such as efficacy, scalability, patient and clinician acceptability, and data privacy must be addressed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,008 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».